JP7312773B2 - 歩行中の歩行者のストライドを分析する方法 - Google Patents

Description

本発明は歩行中の歩行者のストライドを分析する分野に関する。

個人の歩行は、１つ以上のストライドのシーケンスを含む。ストライドは２つのフェーズからなる：足が地面に接触している第１フェーズと、足が空中にある第２フェーズである。図１に示すように、ストライドは、片足が地面に接触すると始まり、同じ足が再び地面に接触すると終わる。

歩行にはいくつかの筋肉の使用と協調が必要である。従って、ストライドの分析は、個人のフィットネス状態（fitness state）、特に個人が発現する（develop）ことのできる筋力を特徴づけるために用いられることができる。この筋力は、個人のフィットネス状態、年齢、身体トレーニング、又は、個人が受ける、筋肉の効率に影響する処置など、多くの要因に依存して変化する可能性が高い。

時間経過に伴うストライド特徴の進展は、特に神経筋疾患又は神経変性疾患を有する個人の場合に、個人のフィットネス状態の進展（evolution）を表していると考えられる。デュシェンヌ型筋ジストロフィ（ＤＭＤ）などの、これらの疾患は、疾患が進行するにつれて、個人の筋力を低下させる。これにより、ストライド特徴が変化し、典型的には、より遅く、より短く、より少なくなる。

既知の方法では、６分間の歩行テスト（６ＭＷＴ）、ノーススター歩行評価（ＮＳＡＡテスト）、又は計時４ステップ階段昇降テストなどのテスト中に、個人のストライドを分析することができる。

６ＭＷＴは、最大能力で６分間歩くことを個人に依頼し、移動距離を分析することである。６ＭＷＴは、整形外科や様々な神経－筋病理学などの多くの分野で使用されており、その人のフィットネス状態を規範群との関係で特徴づけるために、個人が生み出すことができる最大労力を測定することを目的としている。実際に、個人によって発現れる最大の力は、その人の身体的状態と筋肉の力を表している。

ＮＳＡＡテストには、１０分間の歩行又は走行、座位、立位及び横臥位の切り替え、階段の昇降、ジャンプなど、１７の機能的活動が含まれる。

最後に、計時４ステップ階段昇降テスト（timed 4-step stair climb test）は、個人が４階段ステップに必要な最短経過期間を測定する。

これらのテストは、個人のフィットネス状態の進展を追跡するために、異なる時期に繰り返されることができる。それにもかかわらず、かかるテストは、予期される条件を検証するために、管理された環境（一般的には臨床センター）、特定のコース（屋内、平坦、理想的には一定距離の直線コース）、及び、有資格スタッフの立会いの下で実施する必要があるため、限定的である。したがって、テストを実施するために、個人は定期的に臨床センターに足を運ばなければならない。さらに、個人は１回のセッションでのみこれらのテストを行うことができ、テストは、テスト時の個人の能力に影響する外的条件（一時的な疲労、あるセッションから別のセッションへと変化する動機づけと集中力、レーン長、地面接着、テスト中に与えられる励ましなど）によってバイアスされることがある。６ＭＷＴの間、個人は自発的又は無意識的に、テスト全体を通してより速く又は遅く歩くことができる。４ステップ階段上昇テストは非常に速いので、測定開始に関連するバイアスを観察することができる。

したがって、上述のテストは、その個人の一般的なフィットネス状態を代表するものではなく、これらのテストのために所与の個人に受け容れられる可変性及び臨床的実質的変化に対応する値は、非常に高いものである。例えば、６ＭＷＴでは、受け容れられる可変性は約１５％であり、臨床的に実質的な変化は約３０ｍである。

また、公知の方法では、いくつかの用途、例えば、歩数計、携帯電話又はコネクティッドウォッチなどは、個人の活動のエピソードの数又はストライドを数えることを可能にする。個人が移動した距離は、その後、かかるデバイスに搭載されたＧＰＳ受信機によって測定できる。しかしながら、この測定は正確さを欠き、これらの用途はストライドの経路を特定しない。しかしながら、ストライド数は必ずしも個人の健康状態を表しているとは限らない。実際、このパラメータは、個人のスケジュール、ライフスタイルの可能な変化などの外的変数に非常に敏感である。一方、個人は、非常に限られた速度で、又は非常に短い長さで、多数のストライドを行うことができる。最後に、筋力の弱体化または中程度の改善は、個人の力又は耐久限度にほとんど近づかない、最も一般的な動きに影響を与えない場合がある。したがって、ストライド数の単純なカウント、及び平均ストライド長値の単純な表示では、個人のフィットネス状態を満足のいく方法で特徴付けることができない。

さらに、ＵＳ２０１３／１２３６６５Ａ１は、足部に取り付けられた装置を用いて、個人のストライドの経路を分析することを提案している。しかし、この装置は、個人が発現可能な最大筋力を表すスライド解析を実行せず、個人のフィットネス状態の経時的進展（evolution over time）を解析することはできない。

米国特許公開第２０１３／１２３６６５号公報

本発明の１つの目的は、歩行者の歩行のストライドを分析する方法を提案することであり、これは、歩行者のフィットネス状態の経時的進展の追跡を可能にする。

本発明の別の目的は、ストライド分析から、個人が発現することができる最大筋力に関する情報を推論することである。

本発明の別の目的は、この方法を、個人に対するより少ない制約で、継続的に行うことができるようになることである。

第１態様によれば、本発明は、歩行中の歩行者のストライドを分析する方法であって、
（ａ）記録期間中に、歩行者の下肢の運動測定を取得するステップと、
（ｂ）データ処理ユニットによって、運動測定に基づいて記録期間中に歩行者によって作られる各ストライドを特定するステップと、
（ｃ）記録期間を記録サブ期間に分割するステップと、
（ｄ）いくつかの検出されたストライドに対して、運動測定に基づいて、ストライドの特徴量を推定するステップであって、
特徴量は、ストライドの長さであるか、又はストライドの長さに依存する、ステップと、
（ｅ）値が増加することよって順序づけられ、記録サブ期間中に発生する（ordered by increasing values and occurring during a recording sub-period）、推定された、複数の特徴ストライド量によって形成されるセットの中から、所定のパーセンタイル範囲内の少なくとも１つの特徴ストライド量を選択するステップと、
（ｆ）いくつかの記録サブ期間に対してステップ（ｅ）を繰り返すステップと、
を含む方法に関する。

ステップ（ｅ）の間、所与の記録サブ期間に対する所定のパーセンタイル範囲内の特徴ストライド量を選択するステップは、所与のサブ期間の間に、個人のフィットネス状態の単純な関連性のあるインジケータ（この場合、この特徴量のパーセンタイル）を有することを可能にする。

ステップ（ｆ）の間に、いくつかの記録サブ期間に対してステップ（ｅ）を繰り返すステップは、個人のフィットネス状態の経時的進展をフォローすることを可能にする。

本方法のいくつかの好ましいが非限定的な特徴は、以下のとおりであり、個別に又は組み合わせで取られる：
・ 特徴ストライド量は平均ストライド速度である。
・ 所定のパーセンタイル範囲は７０パーセンタイルと１００パーセンタイルとの間に含まれる。高パーセンタイルの特徴量は、個人が発現することができる最大筋力を反映する。
・ 所定のパーセント範囲は９５パーセントからなる。
・ 運動測定の取得は、加速度計又はジャイロメータなどの少なくとも１つの慣性センサによって実行される。
・ 慣性センサは、歩行者の下肢、例えば前記歩行者の足関節、に取り付けられる。かかる配置は、特に、個人の足部に取り付けられたセンサと比較して、人間工学、快適さ、審美性(センサはズボンの下に隠されている)及び安全性(足部に取り付けられたセンサが外部要素に引っ掛かって落下するリスク)の点で有利である。
・ ストライドの特定は、所定の閾値を超える絶対値の加速度の所与の時点の検出を含み、この時点はストライドの開始及び以前のストライドの終了を特定する。
・ ストライドの長さは、水平面上のストライドの経路の投影長さであるか、ストライドの経路の曲線長さであり、経路は運動測定に基づいて推定される。
・ 平均ストライド速度は、ストライドの長さと、その開始と終了との間に経過する経過期間と、の間の比である、
・ ストライド分析方法は、複数の連続したストライドの継続的シークエンス（a continuous sequence of several consecutive strides）にストライドが属する基準を検証するステップをさらに含み、本方法のステップ（ｄ）から（ｆ）は、複数の連続したストライドの継続的シークエンスに属するストライドにのみ実行される。かかるステップは、足踏み（trampling）、分離したストライド（isolated strides）又は微小運動（small movements）に基づく分析無しで、個人の自然な継続的歩行を表すストライドのみに基づいて分析することを可能にする。
・ あるストライドの開始と以前の又は次のストライドの開始との間の経過期間が０秒と１０秒との間に含まれる場合、好ましくは3秒を下回る場合であって、そのストライドが少なくとも２つの連続するストライド、好ましくは少なくとも６つの連続するストライドのシークエンスの一部である場合は、複数の連続したストライドの継続的シークエンスにストライドが属する。
・ 記録サブ期間（recording sub-period）は、２日を超える、好ましくは１５日を超える経過期間（duration）を有するか、及び／又は、５時間、１０時間又は５０時間、好ましくは１８０時間を超える、累積記録経過期間を有する。これらの基準は、個人の日常活動を表すのに十分な量のデータを含むサブ期間を定義することを可能にし、個人のフィットネス状態がこの経過期間に有意に変更される可能性は低い。

第２態様によれば、本発明は、歩行中の歩行者のストライドを分析するための装置に関し、本装置は、
- 記録期間中に、歩行者の下肢の運動測定を取得する少なくとも１つの慣性センサと、
- データ処理ユニットであって、
・ 運動測定に基づいて、記録期間中に歩行者によって作られる各ストライドを特定し、
・ 記録期間を記録サブ期間に分割し、
・ いくつかの検出されたストライドに対して、運動測定に基づいて、ストライドの特徴量を推定し、その特徴量はストライドの長さであるか、又はストライドの長さに依存し、
・ 値が増加することよって順序づけられ、記録サブ期間中に発生する、推定された、複数の特徴ストライド量によって形成されるセットの中から、所定のパーセンタイル範囲内の少なくとも１つの特徴ストライド量を選択し、
・ いくつかのサブ期間について前のステップを繰り返す、
ように構成されているデータ処理ユニットと、を備える。

第３態様によれば、本発明は、本プログラムがプロセッサによって実行される場合に、第１態様にかかる歩行中の歩行者のストライドを分析する方法を実行するためのコード命令を備えるコンピュータプログラム製品に関する。

本発明の他の態様、目的、及び利点は、以下の図によって示される、非限定的な例示によって与えられる、以下の詳細な説明を読むことによって明らかになるであろう。
図１は、個人のストライドを表す図である。 本発明による歩行中の歩行者のストライドを分析する装置を表す図である。 歩行者の下肢に取り付けられた、本発明による歩行中の歩行者のストライドを分析するための装置を表す図である。 複数のストライド中の足関節の経路の例を表すグラフである。

ストライド分析装置
図２を参照すると、ストライド分析装置１０は慣性センサ１１を備える。慣性センサ１１は、加速度計及びジャイロ計を含むことができる。好ましくは、慣性センサ１１は、例えばＭＥＭＳタイプの少なくとも３つの加速度計及び３つのジャイロメータを含む慣性ユニットを含む。

ストライド分析装置１０はまた、バッテリ、磁力計１４、高度計及び／又はＧＰＳを備えることができる。ストライド分析装置１０は、データ処理をリアルタイムで実施するためのデータ処理ユニット１２（典型的にはプロセッサ）を備えることができる。また、ストライド分析装置１０は、データ処理ユニット１２によって作製された及び／又は処理されるべき測定値、又は、既に処理されたデータを格納することができるストレージ手段１３（例えば、フラッシュ型メモリ）を備えることもできる。また、ストライド分析装置１０は、推定位置を伝送するための通信手段１５を含むことができる。例えば、装着者の位置は、ナビゲーションソフトウェアのインタフェース内に表示されるモバイル端末に送信することができる。

変形例として、ストライド分析装置１０は、測定値をモバイル端末又は遠隔サーバなどの外部デバイスに伝送する通信手段１５を備えることができる。これらの通信手段１５は、短距離無線通信、例えば、（特に、モバイル端末を有する一実施形態において）Ｂｌｕｅｔｏｏｔｈ又はＷｉｆｉなどを実装することができ、又は、長距離通信のためのモバイルネットワーク（典型的には、ＵＭＴＳ／ＬＴＥ）に接続するための手段であることができる。なお、通信手段１５は、例えば、ローカルデータストレージ手段１３からモバイル端末又はサーバのデータにデータを転送するための有線接続（典型的にはＵＳＢ）であることもできる。モバイル端末又はリモートサーバは、その場合、データ処理の実施のためのデータ処理ユニット１２（典型的にはプロセッサ）を含む。

本説明の残りの部分では、ストライド分析装置１０、移動端末及び遠隔サーバのそれぞれのデータ処理ユニット１２は、アプリケーションに応じて、本方法のステップの全部又は一部を等しく実行することができることが分かる。

ストライド分析装置１０はさらに、慣性センサ１１を備えるケーシング１７を備えることができる。ケーシング１７はさらに、可能なデータ処理ユニット１２、ストレージ手段１３及び通信手段１５を備えることができる。

図３を参照すると、歩行者は、脚などの少なくとも１つの下肢１を有する。歩行者の２つの下肢１のいずれか又はそれぞれに、ストライド分析装置１０を装着できることが理解されよう。

ストライド分析装置１０は、例えば、歩行者の足部、足関節、脛節又は腿節などの下肢１に取り付けるための手段１６をさらに備えることができる。例えば、ストライド分析装置１０は、歩行者の足関節３に取り付け手段１６を備える。ケーシング１７の取り付け手段１６は、下肢１の周囲のストラップ、又は、下肢１をクランプしてケーシング１７への（、したがって、それが含む慣性センサ１１への）固定的接続を可能にするフック＆ループテープ（hook-and-loop tape）を備えることができる。したがって、慣性センサ１１は、地上基準フレーム内で、歩行者の足関節３の動きと実質的に同一の動きを有する。さらにまた、ケーシング１７及びその取り付け手段１６は、個人のズボンの下に隠され、保護されたままにすることができる。個人は、毎日のように、継続的に、ケーシング１７を着用することができ、ストライド分析の妥当性を増大させる。しかし、これらの慣性センサ１１は、例えば、歩行者の脛又は大腿に配置することもできる。

ストライド分析方法
歩行中の歩行者のストライドを分析する方法は、以下のステップを含む。

慣性センサ１１は、好ましくは、歩行者の下肢１に、例えば、足部、足関節、脛節又は腿節に取り付けられる。好ましくは、慣性センサ１１は、歩行者の足関節３に取り付けられる。

ストライド分析方法は、記録期間中に、歩行者の下肢１の運動の測定値を取得する第１ステップ（ａ）を含む。取得は、好ましくは、加速度計又はジャイロメータなどの少なくとも１つの慣性センサによって実行される。運動測定は、例えば、歩行者の足関節３の加速度及び角速度の測定である。

記録期間は、個人がストライド分析装置１０を着用する可能性が高い経過期間に対応し、その際、慣性センサ１１は慣性測定を行うことができる。例えば、個人は、１日、より詳しくは、約１２時間／日の間、ケーシング１７を着用することができる。
この場合、１５日間の記録期間に対して、ストライド分析装置１０は、１８０時間の記録を完了する。また、個人がストライド分析装置１０を１２時間／日、ただし一定の日、例えば１日おきに装着することも可能である。この場合、同じ１５日間の記録期間において、ストライド分析装置１０は、９０時間の記録のみを完了する。

ストライド分析方法は、データ処理ユニット１２によって、運動測定に基づいて記録期間中に歩行者によって作られる各ストライドを特定する第２ステップ（ｂ）を含む。これは、ストライド開始時点とストライド終了時点を特定することと同様に、ストライドが行われたかどうかを特定することを含む。

歩行者の靴に取り付けられたストライド分析装置の場合、ストライドの特定は、重力に等しいゼロ角速度と加速度基準の位相を探索することによって行うことができる。この方法は、ＺＵＰＴ（ゼロ速度アップデート）方法のフレームワーク内で特に知られている［Ｆｏｘｌｉｎ， Ｅｒｉｃ， “Ｐｅｄｅｓｔｒｉａｎ Ｔｒａｃｋｉｎｇ ｗｉｔｈ Ｓｈｏｅ－Ｍｏｕｎｔｅｄ Ｉｎｔｅｒｎａｔｉａｌ Ｓｅｎｓｏｒｓ”， ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔｙ， Ｎｏｖ．／Ｄｅｃ． ２００５， ｐｐ． ３８－４６］。

足関節３上に配置されたストライド分析装置１０の場合、足部２が地面に接触するフェーズの間、踵の周りに回転があるため、足部２が地面に配置されたときを含めて、測定された加速度及び角速度はゼロではない。したがって、ＺＵＰＴ法などの方法を直接適用することはできず、ストライドを特定するためには、ゼロ又はゼロに近い測定値以外の基準に依存することが望ましい。

好ましい実施形態によれば、ストライドの特定は、所与の時点に対する、所定の閾値を超える絶対値の加速度の検出を含み、この時点は、ストライドの開始及び前のストライドの終了を画定する。実際、足部２が地面に衝突するときに、下肢１の全体に衝撃が生じる。加速度計によって測定された加速度の絶対値は、その際、所定の閾値を超える可能性が高い。この閾値は、例えば、５ｍ／ｓ^２～５０ｍ／ｓ^２の間に含まれ、例えば、１５ｍ／ｓ^２に等しい。

ストライドの検出の精度を改善するために、所定の閾値よりも大きい絶対値の加速度の検出と、第２ストライド特定基準とを組み合わせることが可能である。この第２基準は、衝撃から経過した経過期間、一定の経過期間に対して測定された特定の加速度、衝撃に対応する加速度ピーク、衝撃から経過した経過期間に対して測定された角速度、及び／又は、衝撃から経過した経過期間に対する角速度の変化、に依存し得る。

より具体的には、この第２基準は、特に、上記のパラメータの１つ以上に依存する式の最小化の形態であり得る。式の最小値は、衝撃後の一定の経過期間、例えば、ショック後０秒から１秒間に含まれる経過期間、好ましくはショック後０．５秒の期間を含む経過時間にわたって求めることができる。最小化されるべき式は、次の形式で書くことができる：

ここで、Ｓｈｏｃｋは、最後に検出された特定の加速度ピーク、
即ち、１ｇの所定の閾値よりも大きい、好ましくは１．０５ｇよりも大きい標準を有する値を表す。
Δｔ＿ｓｈｏｃｋは、検出された衝撃から目下の時点（current moment）までの間に経過した経過期間を、所定の閾値を超える絶対値の加速度によって表し、
｜ａｃｃｅｌ｜は、Ｘｍｓに対して、ｍ／ｓで測定された特定の加速度の平均絶対値を表し、Ｘは１０～５００の間に含まれ、好ましくは４０に等しい。
αは、例えば、１から１００の間に含まれ、好ましくは１２に等しい数であり、
｜Ｖａｎｇ｜_Ｘｍｓは、°／ｓでＸｍｓにわたって測定された角速度の絶対値の平均を表し、Ｘは好ましくは１０と５００との間に含まれ、好ましくは４０に等しく、
βは、例えば、１と１００との間に含まれ、好ましくは、１０に等しい数であり、
ΔＶａｎｇ_Ｘｍｓは、脚部及び足部に垂直な軸における角速度の変化を表し、°／ｓで、Ｘｍｓに対して測定され、Ｘは好ましくは１０～５００の間に含まれ、好ましくは４０と等しい。

ストライドの開始は、上記の式が最小化される時点に対応し、この時点は前のストライドの終了にも対応する。所定の閾値よりも大きい絶対値の加速度の検出と、上記の式の最小化との組み合わせは、ストライドを正確かつ一貫して特定することを可能にする。

変形例として、ニューラルネットワーク、ランダムフォレスト、回帰又は任意の他の公知の統計学習アルゴリズムなどの機械学習方法は、測定変動の典型的なパターンを同定するために使用されることができ、このパターンは、ストライドを特定することを可能にする。

ストライド分析方法は、記録期間を記録サブ期間に分割する第３ステップ（ｃ）を含む。このステップは、測定された変数の進展を追跡し、従って、サブ期間毎（sub-period after sub-period）の個人のサブ期間のフィットネス状態の進展を追跡することを可能にする。例えば、記録期間が６ヶ月である場合、個人のフィットネス状態の月毎（month after month）の進展を有することは興味深いことであり、記録期間は、記録期間全体に対して単一の結果を持つのではなく、６ヶ月のサブ期間に分割される。

記録サブ期間は、個人の健康状態を表すために含まれるストライド分析に十分な長さの経過期間と累積記録経過期間を有しなければならない。好ましい実施形態によれば、記録サブ期間は、２日を超える、好ましくは１５日を超える経過期間を有するか、及び／又は、５時間、１０時間又は５０時間、好ましくは１８０時間を超える、累積記録経過期間を有する。

実際、個人がストライド分析デバイス１０を１５日間装着しなかった場合、対応する記録サブ期間は１５日間であるが、累積記録経過期間は０時間である。かかるサブ期間は、ストライドを含まないので、個人のフィットネス状態を表すものではない。

個人の日々の活動を表す十分なデータ量を保証するために、１５日間及び１８０時間の記録の継続は、先験的に（a priori）十分に長く、その一方で、個人のフィットネス状態がこの経過期間中に実質的に変更されないように十分に短い。
かかる経過期間はまた、ストライド分析装置１０を着用している個人にとってあまりにも大きな制約を表さずに、測定値の変動（variability）を低減することを可能にする。

変形例として、サブ期間の経過期間と、累積記録経過期間と、のこれらの基準のいずれかのみを満たさなければならない。

ストライド分析方法は、複数の検出されたストライドに対して、運動測定に基づいて特徴ストライド量を推定することを備える、第４ステップ（ｄ）を含む。例えば推定された特徴量は、平均ストライド速度又はストライド長さであることができる。

好ましくは、データ処理ユニット１２は、記録期間の間に足関節３の経路の推定を作成する。この推定は、運動測定値の二重積分から作成されることができ、二重積分は、好ましくは、足部２が地面に接触するたびに再調整される。足関節の経路の推定を作成するためのデバイスは、文書ＦＲ３ ０４２ ２６６に記載されている。図４は、３つの連続するストライドにわたって推定された経路の表現の例を表す。

好ましい実施形態によれば、ストライドの長さは、水平面（即ち、ストライド分析装置１０を装着している個人が歩く地面に平行な平面）上のストライドの経路の投影の長さであり、ここで経路は、上記のように、運動測定に基づいて推定される。変形例として、ストライドの長さは、例えば、それを水平面に投影することなく、推定された経路の曲線の長さであり得る。

ストライドの平均速度は、ストライド長さと、その経過期間、つまりストライドの開始から終了までの間に経過する経過期間に対応するストライドの経過期間と、の間の比率によって画定されることができる。平均ストライド速度の特定は、瞬間的ストライド速度が歩行中に継続的に考慮される場合、又は高周波でサンプリングされる場合と比較して、いくつかの利点を有する。実際、速いストライドよりも長い経過期間を有する非常に遅いストライドは、速いストライドと比較してより多くの速度に関連付けられ、これは結果の分析を変更し得る。さらにまた、瞬間速度を推定することを可能にする経路の導出は、推定された瞬間速度の値に影響を与える可能性のあるノイズを生成するであろう。最後に、所与のストライドに単一の平均速度を割り当てるとことは、これらのデータに対して後続の統計的計算を実行する目的で、処理すべきデータの数を減少させることによってデータの処理を簡素化することを可能にする。

別の実施形態は、計算によって許容されるサンプリング周波数での各経路全体の速度を考慮することを含み、好ましい実施形態では、５０Ｈｚから１，０００Ｈｚの間、好ましくは１００Ｈｚ付近である。

ストライド分析方法は、第５ステップ（ｅ）を含み、第５ステップ（ｅ）は、値が増加することよって順序づけられた、記録サブ期間中に発生する、推定された、複数の特徴ストライド量によって形成されるセットの中から、所定のパーセント範囲内の少なくとも１つの特徴ストライド量（例えば平均速度及び／又は長さ）を選択するステップ、
である。

ストライドは、その日付、時間、及び／又は開始及び／又は終了時点に関連付けられることができ、これにより、所定の記録サブ期間に関連付けられることができる。また、ストライドは、その特徴量（例えば、その平均速度及び／又はその長さ）に関連付けられることができる。所与のサブ期間のストライドは、特徴量の値を増加させることによって順序付けられることができる。

統計的計算は、その後、値が増加することよって順序づけられ、記録サブ期間中に発生する、推定された特徴ストライド量（例えば、平均速度及び／又は長さ）によって形成されるセットについて、行われることができる。特に、記録サブ期間の特徴ストライド量のセットに関して、この特徴量の平均及び／又はパーセンタイルを計算することが可能である。例えば、所与のサブ期間に対して、中央値に対応する５０パーセンタイル、８０パーセンタイル、９５パーセンタイル、又は他の任意のパーセンタイルの特徴ストライド量の値を計算することが可能である。

所定のパーセンタイル範囲は画定されることができ、このパーセンタイル範囲は、ストライド分析に関連する。特に、高いパーセンタイル値は、個人が発現できる最大労力（ｅｆｆｏｒｔ）及び最大筋力を表す。なぜなら、それらは、個人の最速及び／又は最長のストライドを反映し、歩行速度は、筋力強度状態によって制約されるからである。したがって、これらの高いパーセンタイル値は、個人のフィットネス状態に特に感受性が高い。用語「高パーセンタイル」は、本出願においては、７０パーセンタイルよりも大きいパーセンタイルを指すために使用される。

高パーセンタイルの範囲からストライドを分析する、かかる方法は、個人が日常生活において複数のより長い及び／又はより速いストライドを統計的に達成するので、歩行に特に適している。特に、ストライドの最長及び／又は最速の数パーセントは、個人が発現できる最大パワーを表す。例えば、研究は、６ＭＷＴなどの労力テスト（effort test）の測定値と、同じ個人におけるストライド長及び／又は速度の９５パーセンタイルとの間の相関を示している。

好ましくは、所定のパーセンタイル範囲は７０パーセンタイル１００パーセンタイルとの間に含まれる。所定のパーセント範囲は９５パーセントからなり得る。

ストライド分析方法は、いくつかの前記記録サブ期間に対してステップ（ｅ）を繰り返す第５ステップ（ｆ）を含む。

かかるステップ（ｆ）は、いくつかの記録サブ期間に対して、所定のパーセンタイル範囲内の特徴ストライド量にアクセスすることを可能にする。好ましくは、所定のパーセンタイル範囲は、ステップ（ｅ）が繰り返される各サブ期間に対して同じである。したがって、サブ期間毎の特徴ストライド量の進展を追跡することが可能である。その後、ストライド分析装置１０を装着した個人のフィットネス状態の経時的進展を追跡することができる。

好ましい実施態様において、ストライド分析方法は、複数の連続したストライドの継続的シークエンスにストライドが属する基準を検証するステップをさらに含み、本方法のステップ（ｄ）から（ｆ）は、複数の連続したストライドの継続的シークエンスに属するストライドにのみ実行される。

かかるステップでは、個人がその運動量に達したときに、継続的で自然な歩行から得られたデータのみを分析することができる。したがって、データは、ストライドが個人のフィットネス状態を表していない、かなりの量の、足踏み、分離したストライド、又は個人の微小運動によってバイアスされる可能性は低い。したがって、パーセンタイルの所定の範囲、特に９５パーセンタイルの計算のために考慮されるストライドは、分離したストライド又は足踏みを考慮に入れず、これは対応する測定バイアスを除去する。

好ましくは、あるストライドの開始と以前の又は次のストライドの開始との間の経過期間が０秒と１０秒との間に含まれる場合、好ましくは３秒を下回る場合であって、そのストライドが少なくとも２つの連続するストライド、好ましくは少なくとも６つの連続するストライドのシークエンスの一部である場合は、ストライドは複数の連続したストライドの継続的シークエンスに属する。

実際、例えば０．５秒、３秒又は１０秒よりも長い、２つのストライド間の経過期間は、２つのストライドの間に個人がおそらく停止することを示す。その結果、そのストライドは足踏みに対応し、同じ歩行シークエンスには属さず、個人のフィットネス状態を反映しない。

さらに、例えば、１０、６、又は２つの連続的ストライドのシーケンスの間に、個人は、先験的に、通常の歩行ペースではなく、足踏み又はわずかな動きに対応し、緩慢なペースである。

これらの２つの基準を組み合わせることは、その個人が発現することのできる筋力及び個人の継続的な歩行に特徴的でないストライドを処理することができなくなる。変形例として、行われるべき方法のステップ（ｄ）～（ｆ）に対して、上記の２つの基準のうちの１つのみを検証されなければならない。

個人のフィットネス状態を表すストライドを処理する同じ目的で、例えば、経路の計算、あるいは、その開始点と終了点の特定において、エラーを有するストライドを同定することが可能である。この目的のために、ストライドのパスを１つ又は複数の参照パスと比較することができる。経路の形状を調査することができ、ストライドの中央付近の最大垂直位置の存在を確認することができ、経路の高さと長さの比を画定することができる。次に、基準パスをから見て期待される特徴から過度に逸脱したストライドはエラーとして識別され、これらのストライドには、方法のステップ（ｄ）～（ｆ）は行われない。従って、データ分析は、経路の計算、ストライドの決定等における可能性のあるエラーによってバイアスされない。

変形例として、ニューラルネットワーク、ランダムフォレスト、ＳＶＭ、又は任意の他の既知の方法などの機械学習アルゴリズムは、ストライドを基準ストライドデータベースと比較するために使用されることができ、ストライドを参照ストライドデータベースと比較し、従って、誤ったストライドを識別することができる。

さらに、各歩行の最初のストライドと最後のストライドを識別することができ、これらのストライドには、方法のステップ（ｄ）～（ｆ）は行われない。実際には、これらのストライドは、個人の継続的な歩行を表すものではない。

また、コースの変更を含むストライドを識別することができ、これらのストライドには、方法のステップ（ｄ）～（ｆ）は行われない。したがって、直線上の歩行に属するストライドのみが維持される。実際には、コースの変化は減速につながるので、変化を含むストライドは、個人の継続的な歩行及び運動量（momentum）を表すものではない。さらに、かかるストライドはあまりよく決定されていない可能性が高く、ストライドの回転と加速のパターンはコースの変更によって変化する。

ストライド分析方法のステップ（ａ）は、ストライド分析装置１０の少なくとも１つの慣性センサ１１によって実施されることができる。

ストライド分析方法のステップ（ｂ）～（ｆ）、及び、上述した潜在的な追加ステップは、ストライド分析装置１０のデータ処理ユニット１２によって実施することができる。

Claims (13)

1. 歩行中の歩行者のストライドを分析する方法であって、
   （ａ）記録期間中に、歩行者の下肢の運動測定を取得するステップと、
   （ｂ）データ処理ユニットによって、前記運動測定に基づいて前記記録期間中に前記歩行者によって作られる各ストライドを特定するステップと、
   （ｃ）前記記録期間を記録サブ期間に分割するステップと、
   （ｄ）いくつかの検出されたストライドに対して、前記運動測定に基づいて、前記ストライドの特徴量を推定するステップであって、前記特徴量は、ストライド長であるか、又はストライド長に依存する、ステップと、
   （ｅ）前記特徴量の値が小さい順に順序づけられ、記録サブ期間中に発生する、推定された複数の前記特徴量によって形成されるセットの中から、所定のパーセンタイル範囲内の少なくとも１つの特徴ストライド量を選択するステップと、
   （ｆ）複数の前記記録サブ期間に対してステップ（ｅ）を繰り返すステップと、
   を含み、
   前記所定のパーセンタイル範囲は７０パーセンタイルと１００パーセンタイルとの間に含まれる、方法。
2. 前記特徴ストライド量は平均ストライド速度である、
   請求項１記載の方法。
3. 前記所定のパーセンタイル範囲は９５パーセンタイルからなる、
   請求項１又は２いずれか１項記載の方法。
4. 前記運動測定の取得は、加速度計又はジャイロメータなどの少なくとも１つの慣性センサによって行われる、
   請求項１乃至３いずれか１項記載の方法。
5. 前記慣性センサは、前記歩行者の下肢、例えば前記歩行者の足関節、に取り付けられている、
   請求項４記載の方法。
6. 前記ストライドの特定は、所定の閾値を超える絶対値の加速度の、所与の時点に対する、検出を含み、
   この時点は前記ストライドの開始及び以前のストライドの終了を特定する、
   請求項１乃至５いずれか１項記載の方法。
7. 前記ストライドの長さは、水平面上の前記ストライドの経路の投影長さであるか、又は、前記ストライドの経路の曲線長さであり、
   前記経路は前記運動測定に基づいて推定される、
   請求項１乃至６いずれか１項記載の方法。
8. 前記ストライドの平均速度は、前記ストライドの長さと、その開始と終了との間に経過する経過期間と、の間の比である、
   請求項２を引用する請求項７記載の方法。
9. ストライドが、複数の連続したストライドの継続的シークエンスにストライドが属する基準にしたがっているかどうかを検証するステップをさらに含み、
   前記方法のステップ（ｄ）から（ｆ）は、複数の連続したストライドの継続的シークエンスに属するストライドにのみ実行される、
   請求項１乃至８いずれか１項記載の方法。
10. 前記ストライドの開始と以前の又は次のストライドの開始との間の期間が０秒と１０秒との間に含まれる場合、又は３秒を下回る場合であって、前記ストライドが少なくとも２つの連続するストライド、又は６つの連続するストライドのシークエンスの一部である場合は、ストライドは複数の連続したストライドの継続的シークエンスに属する、
    請求項９記載の方法。
11. 前記記録サブ期間は、２日を超える又は１５日を超える期間を有するか、及び／又は、５時間、１０時間、５０時間、又は１８０時間を超える、累積記録経過期間を有する、
    請求項１乃至１０いずれか１項記載の方法。
12. 歩行中の歩行者のストライドを分析するための装置であり、
    記録期間の間に、歩行者の下肢の運動測定を取得する少なくとも１つの慣性センサと、
    データ処理ユニットであって、
    前記運動測定に基づいて前記記録期間中に前記歩行者によって作られる各ストライドを特定し、
    前記記録期間を記録サブ期間に分割し、
    いくつかの検出されたストライドに対して、前記運動測定に基づいて、前記ストライドの特徴量を推定し、前記特徴量はストライドの長さであるか、又はストライドの長さに依存し、
    前記特徴量の値が小さい順に順序づけられ、前記記録サブ期間中に発生する、推定された前記特徴量によって形成されるセットの中から、所定のパーセンタイル範囲内の少なくとも１つの特徴ストライド量を選択し、
    複数のサブ期間について前記の選択を繰り返し、
    前記所定のパーセンタイル範囲は７０パーセンタイルと１００パーセンタイルとの間に含まれる、
    ように構成されたデータ処理ユニットと、
    を有する装置。
13. コンピュータで実行される場合に、請求項１乃至１１のいずれか１項記載の歩行中の歩行者のストライドを分析する方法を実行するためのコード命令を含むことを特徴とするコンピュータプログラム。

Images